Psicometría · 9 min lectura

Contratación predictiva: mejores decisiones con datos

Deje de contratar por intuición. Aprenda cómo utilizar datos y modelos predictivos para tomar mejores decisiones de contratación y mejorar de forma medible la calidad de las contrataciones.

Door Ingmar van Maurik · Founder & CEO, Making Moves


El problema de contratar por intuición

La mayoría de las decisiones de contratación todavía se toman basándose en la intuición. Un reclutador escanea un CV en 6 segundos, un responsable de contratación se forma una opinión en los primeros 30 segundos de una entrevista y la decisión final se toma en una reunión donde la voz más fuerte gana.

El resultado es predecible: una tasa media de contrataciones fallidas del 25 al 46 por ciento, según la fuente. Esto significa que una de cada tres o cuatro contrataciones no funciona como se esperaba. Para cuando lo descubre, ya ha perdido decenas a cientos de miles de euros en costes directos e indirectos.

La contratación predictiva ofrece una alternativa. En lugar de depender de la intuición, utiliza datos y modelos para predecir qué candidatos tienen más probabilidades de éxito. En este artículo explicamos cómo funciona y cómo implementarla.

Qué es la contratación predictiva

La contratación predictiva es la aplicación del análisis de datos y modelos estadísticos para predecir qué candidatos rendirán mejor en un rol específico. Se basa en un principio simple pero poderoso: los patrones del pasado predicen el futuro.

Al analizar qué características tienen en común los empleados exitosos, puede puntuar a nuevos candidatos en esas mismas características y hacer una predicción fundamentada sobre su probabilidad de éxito.

La base científica

La contratación predictiva no es nueva. La psicología industrial y organizacional ha estudiado durante más de 100 años qué métodos de selección son los mejores predictores del rendimiento laboral. Las conclusiones son claras:

Método de selecciónValidez predictiva

|---------------------|-------------------|

Entrevista no estructurada0,10 - 0,20 Cribado de CV0,18 - 0,25 Referencias0,20 - 0,26 Entrevista estructurada0,35 - 0,45 Test cognitivo0,40 - 0,55 Prueba de trabajo0,45 - 0,55 Entrevista estructurada + test cognitivo0,55 - 0,65 Modelo multimétodo impulsado por IA0,50 - 0,70

La validez predictiva indica la intensidad con la que el método de selección correlaciona con el rendimiento laboral real, en una escala de 0 a 1. Cuanto mayor sea el número, mejor predice el método quién tendrá éxito.

La diferencia es enorme. Una entrevista no estructurada es apenas mejor que lanzar una moneda, mientras que un modelo combinado con evaluaciones e IA es un predictor potente.

Los cuatro pasos de la contratación predictiva

Paso 1: defina el éxito

No puede predecir si no sabe qué está intentando predecir. El primer paso es definir claramente qué significa el éxito para cada rol:

Métricas cuantitativas: ingresos por empleado, tickets resueltos por mes, NPS del cliente, plazos de proyecto cumplidos.

Métricas cualitativas: evaluación del responsable, retroalimentación de los miembros del equipo, contribución a la cultura.

Retención: cuánto tiempo permanece el empleado, se marcha voluntaria o involuntariamente.

Crecimiento: con qué rapidez se desarrolla el empleado, es promovido, asume más responsabilidades.

Cuanto más específica y medible sea su definición de éxito, mejor funcionará su modelo. Evite definiciones vagas como buen ajuste cultural y tradúzcalas en comportamiento observable.

Paso 2: recopile y estructure datos

Con una definición clara de éxito, comience a recopilar datos. Necesita dos tipos:

Datos predictores: toda la información disponible en el momento de la decisión de contratación. Esto incluye datos del CV, puntuaciones de evaluación, puntuaciones de entrevista y todas las demás señales que utiliza para evaluar candidatos.

Datos de resultados: el rendimiento de los candidatos contratados a lo largo del tiempo. Evaluaciones de rendimiento, retención, promociones y las métricas cuantitativas que definió en el paso 1.

El desafío es que los datos de resultados requieren paciencia. Necesita un mínimo de 6 a 12 meses después de la contratación para saber si alguien tiene éxito. Y necesita al menos 50 a 100 puntos de datos completos, candidatos para los que tiene tanto datos predictores como datos de resultados, para construir un modelo fiable.

Paso 3: construya el modelo predictivo

Con suficientes datos, puede construir un modelo que mapee la relación entre predictores y resultados. Esto puede abarcar desde regresión simple hasta aprendizaje automático avanzado:

La regresión lineal es el modelo más simple. Calcula pesos para cada predictor y produce una puntuación que refleja el rendimiento esperado. Ventaja: transparente y explicable. Desventaja: no captura patrones complejos.

La regresión logística predice la probabilidad de éxito o fracaso como resultado binario. Útil cuando desea saber si alguien será exitoso, sí o no, con un porcentaje de probabilidad.

Random forest y gradient boosting son modelos más potentes que pueden reconocer patrones complejos, como interacciones entre variables. Un candidato con puntuaciones técnicas altas y puntuaciones de comunicación medias puede ser evaluado de forma diferente a un candidato con puntuaciones medias en ambas, dependiendo del equipo y el rol.

Las redes neuronales son la opción más avanzada y pueden reconocer patrones sutiles que otros modelos no detectan. Requieren más datos y son menos transparentes, pero pueden ser particularmente precisas.

En la práctica, casi todos comienzan con modelos de regresión y transicionan a modelos más complejos a medida que crece el conjunto de datos.

Paso 4: valide e implemente

Un modelo solo es útil cuando está validado:

La validación cruzada prueba el modelo con datos no utilizados para el entrenamiento. Si el modelo funciona bien con datos nuevos, es robusto.

La auditoría de sesgos verifica si el modelo discrimina inadvertidamente. Lea más sobre esto en nuestro artículo sobre IA y sesgo en la contratación.

Las pruebas A/B comparan los resultados de la contratación impulsada por IA con la contratación tradicional. Esta es la prueba definitiva: ¿el modelo realmente ofrece mejores contrataciones?

Tras la validación, implementa el modelo en su flujo de contratación. Los candidatos se puntúan y clasifican automáticamente, y los reclutadores utilizan las puntuaciones como entrada para sus decisiones.

El papel de las evaluaciones en la contratación predictiva

Las evaluaciones son la piedra angular de la contratación predictiva. Sin mediciones estandarizadas, no tiene datos predictores fiables. Las evaluaciones más efectivas para la contratación predictiva son:

Los tests de capacidad cognitiva miden la capacidad de aprender, resolver problemas y procesar información compleja. Son uno de los predictores más fuertes del rendimiento laboral en prácticamente todas las funciones.

Los cuestionarios de personalidad miden rasgos estables como la responsabilidad, la extroversión y la apertura. Predicen el comportamiento laboral y el ajuste al equipo.

Los tests de juicio situacional presentan escenarios laborales realistas y miden cómo responden los candidatos. Están fuertemente vinculados al rendimiento en roles específicos.

Las muestras de trabajo y tests técnicos miden habilidades directas necesarias para el rol. Tienen alta validez aparente y valor predictivo.

La clave no es una sola evaluación sino una combinación que mida múltiples dimensiones relevantes. Como se ha comentado, las evaluaciones validadas y específicas para el rol son esenciales para predicciones fiables.

Resultados en la práctica

Las empresas que implementan la contratación predictiva reportan mejoras consistentes:

MétricaSin contratación predictivaCon contratación predictivaMejora

|---------|---------------------------|----------------------------|--------|

Calidad de contratación (tras 12 meses)55-65% exitosas75-85% exitosas25-35% mejor Tiempo de contratación35-50 días20-30 días30-45% más rápido Productividad del reclutadorBase150-200%50-100% mayor Retención en el primer año70-75%85-92%15-20% mayor Coste por contratación5.000-8.000 euros2.500-4.500 euros40-50% menor

Estos resultados no llegan de la noche a la mañana. Normalmente se necesitan de 6 a 12 meses para recopilar suficientes datos y construir un modelo inicial, y otros 6 meses para validarlo y afinarlo.

Preguntas frecuentes

¿Tenemos suficientes datos? Necesita un mínimo de 50 puntos de datos completos para empezar. Con más de 100 contrataciones al año, tendrá suficientes datos en 6 a 12 meses. Con menos contrataciones tarda más, pero puede empezar con categorías de función más amplias.

¿Qué pasa si nuestro modelo se equivoca? Todo modelo comete errores. El objetivo no es la perfección sino la mejora respecto al método actual. Si su modelo predice correctamente el 75 por ciento de las contrataciones exitosas frente al 55 por ciento con el método tradicional, eso es una ganancia enorme.

¿Esto sustituye al reclutador? No. El modelo proporciona puntuaciones y recomendaciones, pero el reclutador tiene la última palabra. La entrevista y la conexión personal siguen siendo importantes.

Conclusiones clave

  • La mayoría de las decisiones de contratación se toman por intuición, lo que resulta en una tasa de contrataciones fallidas del 25 al 46 por ciento
  • La contratación predictiva utiliza datos y modelos para predecir qué candidatos tendrán éxito
  • Los cuatro pasos son: definir el éxito, recopilar datos, construir un modelo y validar
  • Las evaluaciones son la piedra angular: sin mediciones estandarizadas no hay predicciones fiables
  • Las empresas que implementan contratación predictiva observan una mejora del 25 al 35 por ciento en calidad de contratación y una reducción del 40 al 50 por ciento en coste por contratación
  • Comience definiendo el éxito y recopilando datos, incluso si construye el modelo más adelante
  • ¿Listo para empezar con la contratación predictiva? Programe una conversación y descubra cómo nuestro sistema de contratación con IA le ayuda a tomar mejores decisiones con datos.


    Reservar una llamada · Ver nuestro sistema AI Hiring